
import pandas as pd
import os
import numpy as np
from datetime import datetime, date, timedelta
import textwrap
from matplotlib import pyplot as plt
import seaborn as sns


class _IntArrayFormatter(pd.io.formats.format.GenericArrayFormatter):

    def _format_strings(self):
        formatter = self.formatter or (lambda x: ' {:,}'.format(x).replace(',', ' '))
        fmt_values = [formatter(x) for x in self.values]
        return fmt_values

pd.io.formats.format.IntArrayFormatter = _IntArrayFormatter


if os.path.exists('/datasets/vdud/vdud_main.xlsx'):
    vdud_main = pd.read_excel('/datasets/vdud/vdud_main.xlsx')
else:
    vdud_main = pd.read_excel('/C:/datasets/vdud/vdud_main.xlsx')


vdud_main = vdud_main.drop(['id', 'published_at'], axis=1)
vdud_main


if os.path.exists('/datasets/vdud/vdud_table_full.xlsx'):
    df_row = pd.read_excel('/datasets/vdud/vdud_table_full.xlsx')
else:
    df_row = pd.read_excel('/C:/datasets/vdud/vdud_table_full.xlsx')


if os.path.exists('/datasets/vdud/vdud_table_full.xlsx'):
    df = pd.read_excel('/datasets/vdud/vdud_table_full.xlsx')
else:
    df = pd.read_excel('/C:/datasets/vdud/vdud_table_full.xlsx')


def my_check_function (dataset):
    '''Функция для ознакомления и проверки даных'''
    print('Как выглядят случайные 5 строк:')
    display(dataset.sample(5, random_state=42))
    print()
    print('Общая информация о данных, наименования столбцов, типы данных:')
    print(dataset.info())
    print()
    print('Есть ли пропуски, сколько их:')
    print(dataset.isna().sum())
    print('Доля пропущенных значений:')
    print(dataset.isna().mean())
    print()
    print('Есть ли явные дубликаты, сколько их:')
    print(dataset.duplicated().sum())
    print('Доля явных дубликатов:')
    print(dataset.duplicated().mean())
    print()
    print('Подробное описание данных:')
    display(dataset.describe())


my_check_function(df)

Как выглядят случайные 5 строк:

Общая информация о данных, наименования столбцов, типы данных:
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 159 entries, 0 to 158
Data columns (total 14 columns):
 #   Column              Non-Null Count  Dtype         
---  ------              --------------  -----         
 0   video_id            159 non-null    object        
 1   video_title         159 non-null    object        
 2   guest_name          159 non-null    object        
 3   guest_birthday      131 non-null    datetime64[ns]
 4   guest_birthplace    133 non-null    object        
 5   birthplace_region   103 non-null    object        
 6   birthplace_country  133 non-null    object        
 7   guest_type          159 non-null    object        
 8   video_type          159 non-null    object        
 9   upload_date         159 non-null    object        
 10  duration            159 non-null    object        
 11  view_count          159 non-null    int64         
 12  like_count          159 non-null    int64         
 13  comment_count       159 non-null    int64         
dtypes: datetime64[ns](1), int64(3), object(10)
memory usage: 17.5+ KB
None

Есть ли пропуски, сколько их:
video_id               0
video_title            0
guest_name             0
guest_birthday        28
guest_birthplace      26
birthplace_region     56
birthplace_country    26
guest_type             0
video_type             0
upload_date            0
duration               0
view_count             0
like_count             0
comment_count          0
dtype: int64
Доля пропущенных значений:
video_id              0.000000
video_title           0.000000
guest_name            0.000000
guest_birthday        0.176101
guest_birthplace      0.163522
birthplace_region     0.352201
birthplace_country    0.163522
guest_type            0.000000
video_type            0.000000
upload_date           0.000000
duration              0.000000
view_count            0.000000
like_count            0.000000
comment_count         0.000000
dtype: float64

Есть ли явные дубликаты, сколько их:
0
Доля явных дубликатов:
0.0

Подробное описание данных:


df['guest_birthday'] = pd.to_datetime(df['guest_birthday'], format='%Y-%m-%d')


df['upload_date'] = pd.to_datetime(df['upload_date'], format='%Y-%m-%d')


df['duration'] = pd.to_datetime(df['duration'],format='%H:%M:%S').dt.time


df['guest_birthplace'] = df['guest_birthplace'].fillna('неизвестно')


df['birthplace_region'] = df['birthplace_region'].fillna('неизвестно')


df['birthplace_country'] = df['birthplace_country'].fillna('неизвестно')


df['guest_age_on_video'] = ((df['upload_date'] - df['guest_birthday']) /365).astype(str).str[:2]
df['guest_age_on_video'] = pd.to_numeric(df['guest_age_on_video'], errors='coerce')


df['guest_birth_year'] = pd.to_datetime(df['guest_birthday'], errors='coerce').dt.year
df['guest_birth_year'] = pd.to_numeric(df['guest_birth_year'], errors='coerce')


def generation_category (guest_birth_year):
    """
    Возвращает наименование условного поколения в зависимости от года рождения героя
    """
    if guest_birth_year < 1943:
        return 'Молчаливое поколение 1928-1942'
    if guest_birth_year < 1963:
        return 'Бэби-бумер 1943-1962'
    if guest_birth_year < 1982:
        return 'Поколение X 1963-1981'
    if guest_birth_year < 2001:
        return 'Поколение Миллениума 1982-2000'
    if guest_birth_year < 2017:
        return 'Хоумлендер (домосед) 2001-2016'
    else:
        return 'поколение неизвестно'


df['guest_generation'] = df['guest_birth_year'].apply(generation_category)


def find_youth(guest_age_on_video):
    """
    Возвращает "да", если гость на момент выхода видео относился к категории "молодёжь" с точки зрения закона
    и "нет", если не относился
    """
    if guest_age_on_video < 36:
        return 'yes'
    if guest_age_on_video >=36:
        return 'no'
    else:
        return 'other'


df['is_guest_youth'] = df['guest_age_on_video'].apply(find_youth)


if os.path.exists('/datasets/vdud/regions.csv'):
    regions = pd.read_csv('/datasets/vdud/regions.csv', sep=';')
else:
    regions = pd.read_csv('/C:/datasets/vdud/regions.csv', sep=';')


regions = regions.drop(regions.columns[[0, 1,3]], axis=1)
regions.columns = ('birthplace_region', 'federal_district')
regions


df = df.merge(regions, on='birthplace_region', how='left')


df['federal_district'] = df['federal_district'].fillna('неизвестно')


df['federal_district'].value_counts()

неизвестно                             112
Центральный федеральный округ           14
Уральский федеральный округ              9
Сибирский федеральный округ              8
Южный федеральный округ                  5
Приволжский федеральный округ            4
Дальневосточный федеральный округ        3
Северо-Западный федеральный округ        3
Северо–Кавказский федеральный округ      1
Name: federal_district, dtype: int64


df.query('federal_district == "неизвестно"')['birthplace_region'].value_counts()

неизвестно                  56
Москва                      33
Санкт-Петербург             14
Башкортостан                 4
Читинская область            1
Ленинрадская область         1
Кабардино-Балкария           1
Северная Осетия - Алания     1
республика Саха (Якутия)     1
Name: birthplace_region, dtype: int64


regions['birthplace_region'].unique()

array(['Белгородская область', 'Брянская область', 'Владимирская область',
       'Воронежская область', 'Ивановская область', 'Калужская область',
       'Костромская область', 'Курская область', 'Липецкая область',
       'Московская область', 'Орловская область', 'Рязанская область',
       'Смоленская область', 'Тамбовская область', 'Тверская область',
       'Тульская область', 'Ярославская область', 'город Москва',
       'Республика Карелия', 'Республика Коми', 'Архангельская область',
       'Вологодская область', 'Калининградская область',
       'Ленинградская область', 'Мурманская область',
       'Новгородская область', 'Псковская область',
       'город Санкт-Петербург', 'Ненецкий автономный округ',
       'Республика Адыгея', 'Республика Калмыкия', 'Краснодарский край',
       'Астраханская область', 'Волгоградская область',
       'Ростовская область', 'Республика Дагестан',
       'Республика Ингушетии', 'Кабардино-Балкарская Республика',
       'Карачаево-Черкесская Республика',
       'Республика Северная Осетия-Алания', 'Чеченская Республика',
       'Ставропольский край', 'Республика Башкортостан',
       'Республика Марий Эл', 'Республика Мордовии',
       'Республика Татарстан', 'Удмуртская Республики',
       'Чувашская Республики', 'Пермский край', 'Кировская область',
       'Нижегородская область', 'Оренбургская область',
       'Пензенская область', 'Самарская область', 'Саратовская область',
       'Ульяновская область', 'Курганская область',
       'Свердловская область', 'Тюменская область', 'Челябинская область',
       'Ханты-Мансийский автономный округ - Югра',
       'Ямало-Ненецкий автономный округ', 'Республика Алтай',
       'Республика Бурятия', 'Республика Тыва', 'Республика Хакасия',
       'Алтайский край', 'Забайкальский край', 'Красноярский край',
       'Иркутская область', 'Кемеровская область',
       'Новосибирская область', 'Омская область', 'Томская область',
       'Республика Саха (Якутия)', 'Камчатский край', 'Приморский край',
       'Хабаровский край', 'Амурская область', 'Магаданская область',
       'Сахалинская область', 'Еврейская автономная область',
       'Чукотский автономный округ', 'Республика Крым',
       'город Севастополь'], dtype=object)


df.loc[df['birthplace_region']=='Москва', 'birthplace_region'] = 'город Москва'
df.loc[df['birthplace_region']=='Санкт-Петербург', 'birthplace_region'] = 'город Санкт-Петербург'
df.loc[df['birthplace_region']=='Башкортостан', 'birthplace_region'] = 'Республика Башкортостан'
df.loc[df['birthplace_region']=='Читинская область', 'birthplace_region'] = 'Забайкальский край'
df.loc[df['birthplace_region']=='Ленинрадская область', 'birthplace_region'] = 'Ленинградская область'
df.loc[df['birthplace_region']=='Кабардино-Балкария', 'birthplace_region'] = 'Кабардино-Балкарская Республика'
df.loc[df['birthplace_region']=='Северная Осетия - Алания', 'birthplace_region'] ='Республика Северная Осетия-Алания'
df.loc[df['birthplace_region']=='республика Саха (Якутия)', 'birthplace_region'] = 'Республика Саха (Якутия)'


df = df.drop(columns=['federal_district'])


df = df.merge(regions, on='birthplace_region', how='left')


df['federal_district'] = df['federal_district'].fillna('неизвестно')


len(df.loc[df['federal_district']=='неизвестно'])

56


len(df.loc[df['birthplace_region']=='неизвестно'])

56


def find_region(birthplace_region):
    """
    Выводим отдельно Москву, Санкт-Петербург и регионы РФ
    """
    for region in birthplace_region:
        if birthplace_region == 'город Москва':
            return 'Москва'
        if birthplace_region == 'город Санкт-Петербург':
            return 'Санкт-Петербург'
        if birthplace_region == 'неизвестно':
            return 'неизвестно'
        else:
            return 'регионы РФ'


birthplace_region = df['birthplace_region']
df['region'] = df['birthplace_region'].apply(find_region)


df['upload_year'] = pd.to_datetime(df['upload_date']).dt.year


df['upload_month'] = pd.to_datetime(df['upload_date']).dt.month


# сделаем дополнительно столбец с названием месяца, может понадобиться для визуализации
df['upload_month_name'] = pd.to_datetime(df['upload_date']).dt.strftime('%B')


df['upload_week'] = pd.to_datetime(df['upload_date']).dt.isocalendar().week


df['upload_day'] = pd.to_datetime(df['upload_date']).dt.day


df['upload_weekday'] = pd.to_datetime(df['upload_date']).dt.strftime('%A')


df['duration_minutes'] = (df['duration'].astype(str).str.split(':')
          .apply(lambda x: int(x[0]) * 60 + int(x[1])))


woman_names = ['Ксения', 'Настя', 'Надежда', 'Ирина Горбачёва', 'Елизавета', 'Александра', 'Катерина', 
               'Тамара', 'Мария', 'Маша']

mixed_group_names = ['Молодые артисты', 'MTV', 'группа IC3PEAK', ' и ', 'белорусы', 'украинцы, русские', 
                     'Борзунова, Шепелин, Пикули']

no_gender_names = ['Рок музыка', 'Колыма', 'Замбия', 'Беслан', 'ВИЧ', 'Камчатка', 'Фильм']

def find_gender(guest_name):
    
    for name in woman_names:
         if name in guest_name:
            return 'woman'
        
    for name in mixed_group_names:
        if name in guest_name:
            return 'mixed_group'
        
    for name in no_gender_names:
        if name in guest_name:
            return 'no_gender'
        
    for name in guest_name:
        return 'man'


df['gender'] = df['guest_name'].apply(find_gender)


def find_subt(video_title):
    for title in video_title:
        if 'nglish sub' in video_title:
            return 'yes'
        else:
            return 'no'


df['english_subtitles'] = df['video_title'].apply(find_subt)


def short_title(video_title):
    for title in video_title:
        result=textwrap.shorten(video_title, width=40, placeholder='...')
        return result


df.insert(2, 'short_video_title', df['video_title'].apply(short_title))


df['view_count_mln'] = df['view_count'] / 1000000


journalist_names = ['Журналист','Телеведущий','Телеканал','СМИ']
artist_names = ['Артисты','Художник','Мультипликатор','Активист']
scientists_names = ['Историк','Экономист','Астрофизик']
society_names = ['Россия','Человек','Замбия','Беларусь']
IT_names = ['IT', 'Дизайнер']

def find_profi(guest_type):
    
    for name in journalist_names:
        if name in guest_type:
            return 'Журналистика/СМИ'
    for name in artist_names:
        if name in guest_type:
            return 'Артисты/художники'
    for name in scientists_names:
        if name in guest_type:
            return 'Учёные'
    for name in society_names:
        if name in guest_type:
            return 'Человек и общество'
    for name in IT_names:
        if name in guest_type:
            return 'IT-шники'
        
    if guest_type == 'Музыкант':
        return 'Музыка'
    elif guest_type == 'Актёр':
        return 'Театр/кино (артисты)'
    elif guest_type == 'Режиссёр':
        return 'Театр/кино (режиссёры)'
    elif guest_type == 'Комик':
        return 'Юмор'
    elif guest_type == 'Блогер':
        return 'Блогинг'
    elif guest_type == 'Политик':
        return 'Политика'
    elif guest_type == 'Бизнесмен':
        return 'Бизнес'
    elif guest_type == 'Продюсер':
        return 'Продюсеры'
    elif guest_type == 'Писатель':
        return 'Писатели'
    else:
        return 'неизвестно'


df['guest_profi'] = df['guest_type'].apply(find_profi)


df_double = df.loc[df.duplicated(['guest_name'], keep=False)]
# есть гость, который был на интервью сначала один, потом с женой, поэтому графа 'guest_name' отличается
# найдём его по дню рождения 
df_double = df_double.append(df.loc[df['guest_birthday']=='1976-06-04']).sort_values(by='guest_name')
double_names = df_double['guest_name'].unique()


df['double'] = df['guest_name'].apply(lambda x: 'double' if x in double_names else 'no_double')


df['like_perc'] = df['like_count'] / df['view_count'] * 100


df['comment_perc'] = df['comment_count'] / df['view_count'] * 100


df['comment_like_perc'] = df['comment_count'] / df['like_count'] * 100


cols=df.columns.tolist()
df_cols = pd.DataFrame(cols)
df_cols


df = df[df.columns[[0, 1, 2, 3, 28, 32, 4, 15, 16, 17, 18, 5, 6, 20, 19, 7, 8, 31, 9, 10, 
                    21, 22, 23, 24, 25, 26, 11, 27, 29, 12, 30, 13, 14, 33, 34, 35]]]


cols=df.columns.tolist()
df_cols = pd.DataFrame(cols)
df_cols


print(f'В начальном датафрейме : {len(df_row.axes[1])} столбцов')
print(f'В дополненном датафрейме : {len(df.axes[1])} столбцов')
print('')
print(f'Дополненный датафрейм больше первоначального на {len(df.axes[1])-len(df_row.axes[1])} столбца,\
то есть в {round(len(df.axes[1])/len(df_row.axes[1]), 2)} раза')

В начальном датафрейме : 14 столбцов
В дополненном датафрейме : 36 столбцов

Дополненный датафрейм больше первоначального на 22 столбца,то есть в 2.57 раза


vdud_main


top_view = df.sort_values(by='view_count', ascending=False).head(10)


plt.figure(figsize=(10, 7))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
sns.barplot(data=top_view, x='view_count_mln', y='short_video_title', color='y')
plt.title('Топ-10 выпусков по количеству просмотров за всё время')
plt.xlabel('количество просмотров, млн')
plt.ylabel('')
plt.show();


top_like = df.sort_values(by='like_count', ascending=False).head(10)


plt.figure(figsize=(10, 7))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
palette = sns.set_palette('dark:salmon_r', 18)
sns.barplot(data=top_like, x='like_count', y='short_video_title', palette=palette)
plt.title('Топ-10 выпусков по количеству лайков за всё время')
plt.xlabel('количество лайков')
plt.ylabel('')
plt.show();


top_comment = df.sort_values(by='comment_count', ascending=False).head(10)


plt.figure(figsize=(10, 7))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
sns.barplot(data=top_comment, x='comment_count', y='short_video_title', color='#4a6741')
plt.title('Топ-10 выпусков по количеству комментариев за всё время')
plt.xlabel('количество комментариев')
plt.ylabel('')
plt.show();


plt.figure(figsize=(20, 14))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Топ-10 выпусков за всё время', fontweight='bold')

# первый график
ax1 = plt.subplot(2, 2, 1)
sns.barplot(data=top_view, x='view_count_mln', y='short_video_title', color='y')
plt.title("по количеству  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров, млн')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(2, 2, 2)
palette = sns.set_palette('dark:salmon_r', 18)
sns.barplot(data=top_like, x='like_count', y='short_video_title', palette=palette)
plt.title("по количеству  " + r"$\bf{" + 'лайков'  + "}$")
plt.xlabel('количество лайков')
plt.ylabel('')

# третий график
ax3 = plt.subplot(2, 2, 3)
sns.barplot(data=top_comment, x='comment_count', y='short_video_title', color='#4a6741')
plt.title("по количеству  " + r"$\bf{" + 'комментариев'  + "}$")
plt.xlabel('количество комментариев')
plt.ylabel('')

plt.tight_layout()
plt.show();


top_like_perc = df.sort_values(by='like_perc', ascending=False).head(10)
top_comment_perc = df.sort_values(by='comment_perc', ascending=False).head(10)
top_comment_like_perc = df.sort_values(by='comment_like_perc', ascending=False).head(10)


plt.figure(figsize=(20, 14))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Топ-10 выпусков за всё время', fontweight='bold')

# первый график
ax1 = plt.subplot(2, 2, 1)
palette = sns.color_palette('dark:salmon_r', 18)
sns.barplot(data=top_like_perc, x='like_perc', y='short_video_title', palette=palette)
plt.title("самые  " + r"$\bf{" + 'понравившиеся'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(2, 2, 2)
sns.barplot(data=top_comment_perc, x='comment_perc', y='short_video_title', color='#4a6741')
plt.title("самые  " + r"$\bf{" + 'комментируемые'  + "}$" +  "  выпуски")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')

# третий график
ax3 = plt.subplot(2, 2, 3)
sns.barplot(data=top_comment_like_perc, x='comment_like_perc', y='short_video_title', color='grey')
plt.title("выпуски, вызвавшие наибольший \n " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')

plt.tight_layout()
plt.show();


min_view = df.sort_values(by='view_count').head(10)
min_like = df.sort_values(by='like_count').head(10)
min_comment = df.sort_values(by='comment_count').head(10)


plt.figure(figsize=(20, 14))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Топ-10 выпусков по минимальному:', fontweight='bold')

# первый график
ax1 = plt.subplot(2, 2, 1)
sns.barplot(data=min_view, x='view_count_mln', y='short_video_title', color='y')
plt.title("количеству  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров, млн')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(2, 2, 2)
palette = sns.set_palette('dark:salmon', 14)
sns.barplot(data=min_like, x='like_count', y='short_video_title', palette=palette)
plt.title("количеству  " + r"$\bf{" + 'лайков'  + "}$")
plt.xlabel('количество лайков')
plt.ylabel('')

# третий график
ax3 = plt.subplot(2, 2, 3)
sns.barplot(data=min_comment, x='comment_count', y='short_video_title', color='#4a6741')
plt.title("количеству  " + r"$\bf{" + 'комментариев'  + "}$")
plt.xlabel('количество комментариев')
plt.ylabel('')

plt.tight_layout()
plt.show();


min_like_perc = df.sort_values(by='like_perc').head(10)
min_comment_perc = df.sort_values(by='comment_perc').head(10)
min_comment_like_perc = df.sort_values(by='comment_like_perc').head(10)


plt.figure(figsize=(20, 14))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Топ-10 выпусков по минимальным показателям', fontweight='bold')

# первый график
ax1 = plt.subplot(2, 2, 1)
palette = sns.set_palette('dark:salmon', 14)
sns.barplot(data=min_like_perc, x='like_perc', y='short_video_title', palette=palette)
plt.title("минимально  " + r"$\bf{" + 'понравившиеся'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(2, 2, 2)
sns.barplot(data=min_comment_perc, x='comment_perc', y='short_video_title', color='#4a6741')
plt.title("минимально  " + r"$\bf{" + 'комментируемые'  + "}$" +  "  выпуски")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')

# третий график
ax3 = plt.subplot(2, 2, 3)
sns.barplot(data=min_comment_like_perc, x='comment_like_perc', y='short_video_title', color='grey')
plt.title("выпуски, вызвавшие наименьший \n " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')

plt.tight_layout()
plt.show();


print(f'Среднее по просмотрам равно: {round(df["view_count_mln"].mean(),2)} млн')
print(f'Медиана по просмотрам равна: {round(df["view_count_mln"].median(),2)} млн')

Среднее по просмотрам равно: 11.69 млн
Медиана по просмотрам равна: 9.22 млн


view_median = df['view_count'].median()
like_median = df['like_count'].median()
comment_median = df['comment_count'].median()

print(f'Медианное значение просмотров: {round(view_median)}')
print(f'Медианное значение лайков: {round(like_median)}')
print(f'Медианное значение комментариев: {round(comment_median)}')

Медианное значение просмотров: 9221750
Медианное значение лайков: 246229
Медианное значение комментариев: 30274


like_perc_median = df['like_perc'].median()
comment_perc_median = df['comment_perc'].median()
comment_like_perc_median = df['comment_like_perc'].median()

print(f'Медианное значение процента лайков: {round(like_perc_median,2)}%')
print(f'Медианное значение процента комментариев: {round(comment_perc_median,2)}%')
print(f'Медианное значение процента комментариев от лайков: {round(comment_like_perc_median,2)}%')

Медианное значение процента лайков: 2.68%
Медианное значение процента комментариев: 0.32%
Медианное значение процента комментариев от лайков: 11.26%


subscriber_count = vdud_main.iloc[0]['subscriber_count']
subscriber_count

10100000


df_resonance = df.query('view_count > (@subscriber_count * 2)')
print(f'Количество выпусков, затронувших более широкую аудиторию: {len(df_resonance)}')
print(f'Доля резонансных выпусков от общего числа: {(len(df_resonance) / len(df)):.2%}')

Количество выпусков, затронувших более широкую аудиторию: 22
Доля резонансных выпусков от общего числа: 13.84%


plt.figure(figsize=(20, 12))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски, затронувшие широкую аудиторию', fontweight='bold')
data=df_resonance.sort_values(by='view_count', ascending=False)

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=data, x='view_count', y='short_video_title', color='y')
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='lower right')
plt.title('просмотры', fontweight='bold')
plt.xlabel('количество просмотров')
plt.ylabel('')

# второй график
ax2 = plt.subplot(1, 3, 2)
palette = sns.set_palette('dark:salmon_r', 32)
sns.barplot(data=data, x='like_count', y='short_video_title', palette=palette)
plt.axvline(x=like_median, color='black', linestyle='--', label='median')
plt.legend(loc='lower right')
plt.title('лайки', fontweight='bold')
plt.xlabel('количество лайков')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False) 

# третий график 
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=data, x='comment_count', y='short_video_title', color='#4a6741')
plt.axvline(x=comment_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right')
plt.title('комментарии', fontweight='bold')
plt.xlabel('количество комментариев')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False) 

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 14))
sns.set(font_scale=1.9)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски, затронувшие широкую аудиторию', fontweight='bold')
data=df_resonance.sort_values(by='view_count', ascending=False)

# первый график
ax1 = plt.subplot(1, 3, 1)
palette = sns.set_palette('dark:salmon_r', 32)
sns.barplot(data=data, x='like_perc', y='short_video_title', palette=palette)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.title('показатель одобрения', fontweight='bold')
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.legend()

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=data, x='comment_perc', y='short_video_title', color='#4a6741')
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.title('показатель обсуждения', fontweight='bold')
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
plt.legend()
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)  

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=data, x='comment_like_perc', y='short_video_title', color='grey')
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.title('показатель ажиотажа/негатива', fontweight='bold')
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
plt.legend(loc='upper right')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False) 

plt.tight_layout()
plt.show();


sns.palplot(sns.color_palette("gist_earth_r", 20))


print(sns.color_palette("gist_earth_r", 20).as_hex())

['#f0dad7', '#e2c1b3', '#d5b194', '#c7a676', '#bea863', '#b9b35f', '#aab35c', '#96ae58', '#82a954', '#6ba44f', '#4e9c47', '#419552', '#3c8e61', '#368770', '#30817e', '#286d7d', '#20597b', '#184179', '#102777', '#080b75']


plt.figure(figsize=(10, 8))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
data=df.groupby('guest_profi', as_index=False).agg({'video_id':'count'}).sort_values(by='video_id', ascending=False)
my_palette=['#d5b194', '#c7a676', '#bea863', '#b9b35f', '#aab35c', '#96ae58', '#82a954', 
            '#6ba44f', '#4e9c47', '#419552', '#3c8e61', '#368770', '#30817e', '#286d7d']
sns.barplot(data=data, x='video_id', y='guest_profi', palette=my_palette)
plt.title('Количество выпусков с гостями из разных сфер')
plt.xlabel('количество выпусков')
plt.ylabel('')

plt.show();


df_profession = (df.groupby('guest_profi', as_index=False)
                   .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                   .sort_values(by='video_id', ascending=False)
                   .reset_index(drop=True))
                    
df_profession


plt.figure(figsize=(20, 10))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями из разных профессиональных сфер', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_profession, x='view_count', y='guest_profi', palette=my_palette)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("среднее количество " + r"$\bf{" + 'просмотров'  + "}$" +  " \n в каждой сфере")
plt.xlabel('количество просмотров')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_profession, x='like_count', y='guest_profi', palette=my_palette)
plt.axvline(x=like_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("среднее количество " + r"$\bf{" + 'лайков'  + "}$" +  " \n в каждой сфере")
plt.xlabel('количество лайков')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False) 

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_profession, x='comment_count', y='guest_profi', palette=my_palette)
plt.axvline(x=comment_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("среднее количество " + r"$\bf{" + 'комментариев'  + "}$" +  " \n в каждой сфере")
plt.xlabel('количество комментариев')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False) 

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 10))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями из разных профессиональных сфер', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_profession, x='like_perc', y='guest_profi', palette=my_palette)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски  \n в каждой сфере")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_profession, x='comment_perc', y='guest_profi', palette=my_palette)
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("насколько  " + r"$\bf{" + 'обсуждаемые'  + "}$" +  "  выпуски  \n в каждой сфере")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_profession, x='comment_like_perc', y='guest_profi', palette=my_palette)
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='lower right')
plt.title("насколько вызвали  " + r"$\bf{" + 'ажиотаж/негатив'  + "}$" +  "  \n выпуски в каждой сфере")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 10))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями из разных профессиональных сфер', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_profession, x='video_id', y='guest_profi', palette=my_palette)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_profession, x='view_count', y='guest_profi', palette=my_palette)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_profession, x='like_perc', y='guest_profi', palette=my_palette)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


plt.figure(figsize=(7, 7))
palette_color = ['#d1ae8c', '#bfa764', '#b5b65e']

df_youth = (df.groupby('is_guest_youth', as_index=False)
              .agg({'video_id':'count'})
              .sort_values(by='is_guest_youth', ascending=False))

plt.pie(df_youth['video_id'], labels=df_youth['is_guest_youth'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90, explode=(0.05,0,0))
plt.title('Соотношение молодёжи и не-молодёжи среди гостей канала')
plt.show();


df_generation = (df.groupby('guest_generation', as_index=False)
                   .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                   .sort_values(by='video_id', ascending=False)
                   .reset_index(drop=True))
                    
df_generation


plt.figure(figsize=(7, 7))
palette_color = ['#d7b298', '#c4a46f', '#bbaf61', '#aab35c', '#8eac56']

plt.pie(df_generation['video_id'], labels=df_generation['guest_generation'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90)
plt.title('Соотношение видео с гостями разных поколений')
plt.show();


df.query('guest_generation == "Молчаливое поколение 1928-1942"')


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с представителями разных поколений', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_generation, x='view_count', y='guest_generation', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right')
plt.title("среднее количество " + r"$\bf{" + 'просмотров'  + "}$" +  " \n для гостей каждого поколения")
plt.xlabel('количество просмотров')
plt.ylabel('')
plt.xlim(0, 13500000)

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_generation, x='like_count', y='guest_generation', palette=palette_color)
plt.axvline(x=like_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество " + r"$\bf{" + 'лайков'  + "}$" +  " \n для гостей каждого поколения")
plt.xlabel('количество лайков')
plt.ylabel('')
plt.xlim(0, 410000)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_generation, x='comment_count', y='guest_generation', palette=palette_color)
plt.axvline(x=comment_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество " + r"$\bf{" + 'комментариев'  + "}$" +  " \n для гостей каждого поколения")
plt.xlabel('количество комментариев')
plt.ylabel('')
plt.xlim(0, 50000)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с представителями разных поколений', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_generation, x='like_perc', y='guest_generation', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  " \n выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.xlim(0, 4.5)

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_generation, x='comment_perc', y='guest_generation', palette=palette_color)
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько выпуски \n " + r"$\bf{" + 'обсуждаемые'  + "}$")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
plt.xlim(0, 0.5)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_generation, x='comment_like_perc', y='guest_generation', palette=palette_color)
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько вызвали \n " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
plt.xlim(0, 20)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с представителями разных поколений', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_generation, x='video_id', y='guest_generation', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_generation, x='view_count', y='guest_generation', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_generation, x='like_perc', y='guest_generation', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='lower right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('процент лайков от просмотров')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


df_gender = (df.groupby('gender', as_index=False)
                   .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                   .sort_values(by='video_id', ascending=False)
                   .reset_index(drop=True))
                    
df_gender


sns.palplot(sns.color_palette("gist_earth_r"))


print(sns.color_palette("gist_earth_r").as_hex())

['#d5b194', '#b9b35f', '#82a954', '#419552', '#30817e', '#184179']


plt.figure(figsize=(7, 7))
sns.set(font_scale=1.5)
palette_color = ['#419552','#d5b194', '#b9b35f', '#82a954']

plt.pie(df_gender['video_id'], labels=['man', 'woman', 'mixed_group', '-'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90, pctdistance=0.75)
plt.title('Соотношение разных полов среди гостей канала')
plt.show();


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с представителями разных полов', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_gender, x='view_count', y='gender', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество " + r"$\bf{" + 'просмотров'  + "}$" +  " \n для гостей каждого пола")
plt.xlabel('количество просмотров')
plt.ylabel('')
plt.xlim(0, 13500000)

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_gender, x='like_count', y='gender', palette=palette_color)
plt.axvline(x=like_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество " + r"$\bf{" + 'лайков'  + "}$" +  " \n для гостей каждого пола")
plt.xlabel('количество лайков')
plt.ylabel('')
plt.xlim(0, 550000)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_gender, x='comment_count', y='gender', palette=palette_color)
plt.axvline(x=comment_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество " + r"$\bf{" + 'комментариев'  + "}$" +  " \n для гостей каждого пола")
plt.xlabel('количество комментариев')
plt.ylabel('')
plt.xlim(0, 60000)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с представителями разных полов', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_gender, x='like_perc', y='gender', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_gender, x='comment_perc', y='gender', palette=palette_color)
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько выпуски  " + r"$\bf{" + 'обсуждаемые'  + "}$")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
plt.xlim(0, 0.45)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_gender, x='comment_like_perc', y='gender', palette=palette_color)
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько вызвали  " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с представителями разных полов', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_gender, x='video_id', y='gender', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_gender, x='view_count', y='gender', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
plt.xlim(0, 14000000)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_gender, x='like_perc', y='gender', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.xlim(0, 4.5)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


print(f'Количество различных мест рождения героев выпусков: {len(df["guest_birthplace"].value_counts())}')
print(f'Количество различных регионов РФ: {len(df["birthplace_region"].value_counts())}')
print(f'Количество различных федеральных округов РФ: {len(df["federal_district"].value_counts())}')
print(f'Количество различных стран: {len(df["birthplace_country"].value_counts())}')

Количество различных мест рождения героев выпусков: 73
Количество различных регионов РФ: 33
Количество различных федеральных округов РФ: 9
Количество различных стран: 12


plt.figure(figsize=(7, 7))
palette_color = sns.color_palette(my_palette, 15)

df_region = (df.groupby('region', as_index=False)
              .agg({'video_id':'count'})
              .sort_values(by='region', ascending=False))

plt.pie(df_region['video_id'], labels=df_region['region'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90)
plt.title('Доля регионов \n среди мест рождения в РФ')
plt.show();


df_region = (df.groupby('region', as_index=False)
               .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
               .sort_values(by='region', ascending=False)
               .reset_index(drop=True))
df_region


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
palette_color = sns.color_palette('gist_earth_r', 15)
plt.suptitle('Выпуски с гостями из разных мест рождения', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_region, x='video_id', y='region', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')
plt.xlim(0, 70)

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_region, x='view_count', y='region', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='lower right') 
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
plt.xlim(0, 14000000)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_region, x='like_perc', y='region', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='lower right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.xlim(0, 4)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


df_region_name = (df.groupby('birthplace_region', as_index=False)
                    .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                    .sort_values(by='video_id', ascending=False)
                    .reset_index(drop=True))
df_region_name.head()


plt.figure(figsize=(20, 12))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями, родившимися в разных регионах РФ', fontweight='bold')
palette_color = ['#e2c1b3', '#dab7a0', '#d4b091', '#cdaa82', '#c6a574', '#c0a565', '#bdaa63', '#bbaf61', '#b8b45f',
                 '#b0b55d', '#a7b25b', '#9db059', '#93ad57', '#87aa55', '#7da853', '#72a551', '#64a24d', '#559e49',
                 '#479a47', '#43974f', '#409456', '#3d905f', '#3a8c66', '#37896d', '#348575', '#31817d', '#2d7a7f',
                 '#29707e', '#25677d', '#215a7b', '#1d4f7a', '#194379', '#153778']

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_region_name, x='video_id', y='birthplace_region', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_region_name, x='view_count', y='birthplace_region', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_region_name, x='like_perc', y='birthplace_region', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.xlim(0, 4.5)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


df_federal = (df.groupby('federal_district', as_index=False)
                .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                .sort_values(by='video_id', ascending=False)
                .reset_index(drop=True))
df_federal


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями, родившимися в разных федеральных округах РФ', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_federal, x='video_id', y='federal_district', palette=my_palette)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_federal, x='view_count', y='federal_district', palette=my_palette)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
plt.xlim(0, 15000000)
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_federal, x='like_perc', y='federal_district', palette=my_palette)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.xlim(0, 4.5)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


df.query('federal_district == "Приволжский федеральный округ"')['short_video_title']

12     BadComedian - о Бондарчуке, Саше Грей...
32            Face - почему от него фанатеет...
62      Лимонов - смерть, Навальный, устрицы...
72           Олег Табаков: как он воспитывал...
85         Алексей Иванов - о сытой Москве и...
86          Егор Крид - уход из Black Star и...
117            MORGENSHTERN – главный шоумен...
145            Fасе – многое изменилось / вДудь
Name: short_video_title, dtype: object


df.query('federal_district == "Дальневосточный федеральный округ"')['short_video_title']

24         Гнойный - большое интервью после...
36     Шевчук - о батле с Путиным и войне в...
107      Камчатка – полуостров, про который...
132     Орлов – комедия русской хтони / The...
Name: short_video_title, dtype: object


df_country = (df.groupby('birthplace_country', as_index=False)
                .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                .sort_values(by='video_id', ascending=False)
                .reset_index(drop=True))
df_country.head()


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями, родившимися в современных разных странах', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 3, 1)
sns.barplot(data=df_country, x='video_id', y='birthplace_country', palette=my_palette)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 3, 2)
sns.barplot(data=df_country, x='view_count', y='birthplace_country', palette=my_palette)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 3, 3)
sns.barplot(data=df_country, x='like_perc', y='birthplace_country', palette=my_palette)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
plt.xlim(0, 4)
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

plt.tight_layout()
plt.show();


df.query('birthplace_country == "Грузия"')['short_video_title']

143    Акунин – что происходит с Россией /...
Name: short_video_title, dtype: object


df.query('birthplace_country == "Франция"')['short_video_title']

33    Познер – цензура, страх и Путин...
Name: short_video_title, dtype: object


df.query('birthplace_country == "США"')['short_video_title']

69    Чача - Санта-Барбара, Россия, Америка...
Name: short_video_title, dtype: object


df.query('birthplace_country == "Армения"')['short_video_title']

27    Мартиросян - о рэпе, Хованском и...
Name: short_video_title, dtype: object


df.query('birthplace_country == "Чехия"')['short_video_title']

63    Белый - сроки за мемы, Версус,...
Name: short_video_title, dtype: object


plt.figure(figsize=(20, 15))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Количество выпусков с гостями, родившимися в разных:', fontweight='bold')

# первый график
ax1 = plt.subplot(2, 2, 1)
sns.barplot(data=df_country, x='video_id', y='birthplace_country', palette=my_palette)
plt.title('странах')
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график
ax2 = plt.subplot(2, 2, 2)
sns.barplot(data=df_federal, x='video_id', y='federal_district', palette=my_palette)
plt.title('федеральных округах РФ')
plt.xlabel('количество выпусков')
plt.ylabel('')

# третий график
ax3 = plt.subplot(2, 2, 3)
sns.barplot(data=df_region_name.query('video_id >1'), x='video_id', y='birthplace_region', palette=my_palette)
plt.title('регионах РФ\n (на графике только те регионы, где родились двое и более гостей)')
plt.xlabel('количество выпусков')
plt.ylabel('')

# четвёртый график
ax4 = plt.subplot(2, 2, 4)
palette_color = sns.color_palette('gist_earth_r', 15)
plt.pie(df_region['video_id'], labels=df_region['region'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90)
plt.title('Доля регионов \n среди мест рождения в РФ')

plt.tight_layout()
plt.show();


df_video_type = (df.groupby('video_type', as_index=False)
                  .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                  .sort_values(by='video_id', ascending=False)
                  .reset_index(drop=True))
df_video_type


plt.figure(figsize=(7, 7))
palette_color = ['#d9b59d', '#bcac62']

plt.pie(df_video_type['video_id'], labels=df_video_type['video_type'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90)
plt.title('Соотношение интервью и фильмов \n среди всех выпусков')
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски в разных жанрах: в чём отличие', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 5, 1)
sns.barplot(data=df_video_type, x='video_id', y='video_type', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  \n выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 5, 2)
sns.barplot(data=df_video_type, x='view_count', y='video_type', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend() 
plt.title("среднее количество  \n" + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 5, 3)
sns.barplot(data=df_video_type, x='like_perc', y='video_type', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  " \n выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

# четвёртый график 
ax4 = plt.subplot(1, 5, 4)
sns.barplot(data=df_video_type, x='comment_perc', y='video_type', palette=palette_color)
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("насколько выпуски  \n" + r"$\bf{" + 'обсуждаемые'  + "}$")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
ax4.set(yticklabels=[])  
ax4.tick_params(left=False)

# пятый график
ax5 = plt.subplot(1, 5, 5)
sns.barplot(data=df_video_type, x='comment_like_perc', y='video_type', palette=palette_color)
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.legend()
plt.title("насколько вызвали  \n" + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
ax5.set(yticklabels=[])  
ax5.tick_params(left=False)

plt.tight_layout()
plt.show();


df_double = (df.groupby('double', as_index=False)
              .agg({'video_id':'count'})
              .sort_values(by='video_id', ascending=False))

df_double_true = (df.query('double == "double"')
                    .sort_values(by='guest_name'))


plt.figure(figsize=(7, 7))

plt.pie(df_double['video_id'], labels=df_double['double'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90, explode=(0, 0.05))
plt.title('Доля повторных интервью среди всех выпусков')
plt.show();


plt.figure(figsize=(20, 9))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с гостями, пришедшими на интервью во второй раз', fontweight='bold')
palette_color = ['#276b7d','#276b7d','#3c8f60','#3c8f60','#72a551','#72a551',
                 '#b5b65e','#b5b65e','#d1ae8c', '#d1ae8c']

# первый график
ax1 = plt.subplot(1, 4, 1)
sns.barplot(data=df_double_true, x='view_count', y='short_video_title', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right')
plt.title("количество  \n" + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')

# второй график
ax2 = plt.subplot(1, 4, 2)
sns.barplot(data=df_double_true, x='like_perc', y='short_video_title', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right')
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  " \n выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график 
ax3 = plt.subplot(1, 4, 3)
sns.barplot(data=df_double_true, x='comment_perc', y='short_video_title', palette=palette_color)
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right')
plt.title("насколько выпуски \n " + r"$\bf{" + 'обсуждаемые'  + "}$")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

# четвёртый график
ax4 = plt.subplot(1, 4, 4)
sns.barplot(data=df_double_true, x='comment_like_perc', y='short_video_title', palette=palette_color)
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='upper right')
plt.title("насколько вызвали \n " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
ax4.set(yticklabels=[])  
ax4.tick_params(left=False)

plt.tight_layout()
plt.show();


df.query('english_subtitles == "yes"')['upload_date'].min()

Timestamp('2017-04-18 00:00:00')


df_subtitle = (df.groupby('english_subtitles', as_index=False)
                  .agg({'video_id':'count','view_count':'median','like_count':'median','comment_count':'median',
                        'like_perc':'median','comment_perc':'median','comment_like_perc':'median'})
                  .sort_values(by='video_id', ascending=False)
                  .reset_index(drop=True))


plt.figure(figsize=(7, 7))
palette_color = ['#d9b59d', '#bcac62']

plt.pie(df_subtitle['video_id'], labels=df_subtitle['english_subtitles'], autopct='%.0f%%', colors=palette_color, 
        counterclock=False, startangle=90, explode=(0, 0.05))
plt.title('Доля выпусков с английскими субтитрами')
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Выпуски с субтитрами на английском языке (yes) и без них (no)', fontweight='bold')

# первый график
ax1 = plt.subplot(1, 5, 1)
sns.barplot(data=df_subtitle, x='video_id', y='english_subtitles', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + "  выпусков")
plt.xlabel('количество выпусков')
plt.ylabel('')

# второй график 
ax2 = plt.subplot(1, 5, 2)
sns.barplot(data=df_subtitle, x='view_count', y='english_subtitles', palette=palette_color)
plt.axvline(x=view_median, color='black', linestyle='--', label='median')
plt.legend(loc='best') 
plt.title("среднее количество \n " + r"$\bf{" + 'просмотров'  + "}$")
plt.xlabel('количество просмотров')
plt.ylabel('')
ax2.set(yticklabels=[])  
ax2.tick_params(left=False)

# третий график
ax3 = plt.subplot(1, 5, 3)
sns.barplot(data=df_subtitle, x='like_perc', y='english_subtitles', palette=palette_color)
plt.axvline(x=like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='best') 
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  " \n выпуски")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')
ax3.set(yticklabels=[])  
ax3.tick_params(left=False)

# четвёртый график 
ax4 = plt.subplot(1, 5, 4)
sns.barplot(data=df_subtitle, x='comment_perc', y='english_subtitles', palette=palette_color)
plt.axvline(x=comment_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='best') 
plt.title("насколько выпуски \n " + r"$\bf{" + 'обсуждаемые'  + "}$")
plt.xlabel('% комментариев от просмотров')
plt.ylabel('')
ax4.set(yticklabels=[])  
ax4.tick_params(left=False)

# пятый график
ax5 = plt.subplot(1, 5, 5)
sns.barplot(data=df_subtitle, x='comment_like_perc', y='english_subtitles', palette=palette_color)
plt.axvline(x=comment_like_perc_median, color='black', linestyle='--', label='median')
plt.legend(loc='best') 
plt.title("насколько вызвали \n " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('% комментариев от лайков')
plt.ylabel('')
ax5.set(yticklabels=[])  
ax5.tick_params(left=False)

plt.tight_layout()
plt.show();


df_day = (df.groupby(pd.Grouper(key='upload_day'), as_index=False)
            .agg({'video_id':'count'})
            .sort_values(by='upload_day')
            .reset_index(drop=True))


plt.figure(figsize=(20, 8))
palette_color = ['#e6c7bc', '#e1bfb0', '#debba7', '#d9b59d', '#d5b194', '#d1ae8c', '#cdaa82', '#caa87b', 
                 '#c5a571', '#c1a367', '#bfa664', '#bea963', '#bcac62', '#bbaf61', '#b9b360', '#b8b55f', 
                 '#b4b65d', '#afb55c', '#a8b35b', '#a2b15a', '#9db059', '#96ae58', '#91ad57', '#8aab56', 
                 '#84a954', '#7fa853', '#78a652', '#72a551', '#69a34e', '#60a14c', '#599f4a', '#509d48', 
                 '#479a47', '#44994b', '#429650', '#419554', '#3f9258', '#3d905d', '#3c8e61', '#3a8c66', 
                 '#388a6a', '#37886e', '#358673', '#338477', '#31827c', '#308080', '#2d7a7f', '#2b737e', 
                 '#296f7e', '#26687d', '#24647c', '#215c7c', '#1f557b']
sns.barplot(data=df_day, x='upload_day', y='video_id', palette=palette_color)
plt.title('Количество выпусков, выложенных в разные числа месяца')
plt.xlabel('число месяца')
plt.ylabel('количество видео')
plt.show();


df_weekday = (df.groupby(pd.Grouper(key='upload_weekday'), as_index=False)
            .agg({'video_id':'count'})
            .assign(day_number=(2, 1, 3, 5, 4))
            .sort_values(by='day_number')
            .reset_index(drop=True))


plt.figure(figsize=(10, 6))

sns.barplot(data=df_weekday, x='upload_weekday', y='video_id', palette='gist_earth_r')
plt.title('Количество выпусков, выложенных в разные дни недели')
plt.xlabel('дни недели')
plt.ylabel('количество видео')
plt.show();


df_week = (df.groupby(pd.Grouper(key='upload_week'), as_index=False)
            .agg({'video_id':'count'})
            .sort_values(by='upload_week')
            .reset_index(drop=True))


plt.figure(figsize=(20, 8))

sns.barplot(data=df_week, x='upload_week', y='video_id', palette=palette_color)
plt.title('Количество выпусков, выложенных в разные недели')
plt.xlabel('номер недели')
plt.ylabel('количество видео')
plt.show();


df_month = (df.groupby(pd.Grouper(key='upload_month'), as_index=False)
            .agg({'video_id':'count'})
            .assign(month_name= df.upload_month_name.unique())
            .sort_values(by='upload_month')
            .reset_index(drop=True))


plt.figure(figsize=(20, 8))

sns.barplot(data=df_month, x='month_name', y='video_id', palette='gist_earth_r')
plt.title('Количество выпусков, выложенных в разные месяцы')
plt.xlabel('месяцы')
plt.ylabel('количество видео')
plt.show();


df_year = (df.groupby(pd.Grouper(key='upload_year'), as_index=False)
            .agg({'video_id':'count'})
            .sort_values(by='upload_year')
            .reset_index(drop=True))


plt.figure(figsize=(20, 8))

sns.barplot(data=df_year, x='upload_year', y='video_id', palette='gist_earth_r')
plt.title('Количество выпусков, выложенных в разные годы')
plt.xlabel('годы')
plt.ylabel('количество видео')
plt.show();


df_week_2017 = (df.loc[df['upload_year'] == 2017]
                  .groupby(pd.Grouper(key='upload_week'), as_index=False)
                  .agg({'video_id':'count'})
                  .sort_values(by='upload_week')
                  .reset_index(drop=True))
df_week_2018 = (df.loc[df['upload_year'] == 2018]
                  .groupby(pd.Grouper(key='upload_week'), as_index=False)
                  .agg({'video_id':'count'})
                  .sort_values(by='upload_week')
                  .reset_index(drop=True))
df_week_2019 = (df.loc[df['upload_year'] == 2019]
                  .groupby(pd.Grouper(key='upload_week'), as_index=False)
                  .agg({'video_id':'count'})
                  .sort_values(by='upload_week')
                  .reset_index(drop=True))
df_week_2020 = (df.loc[df['upload_year'] == 2020]
                  .groupby(pd.Grouper(key='upload_week'), as_index=False)
                  .agg({'video_id':'count'})
                  .sort_values(by='upload_week')
                  .reset_index(drop=True))
df_week_2021 = (df.loc[df['upload_year'] == 2021]
                  .groupby(pd.Grouper(key='upload_week'), as_index=False)
                  .agg({'video_id':'count'})
                  .sort_values(by='upload_week')
                  .reset_index(drop=True))
df_week_2022 = (df.loc[df['upload_year'] == 2022]
                  .groupby(pd.Grouper(key='upload_week'), as_index=False)
                  .agg({'video_id':'count'})
                  .sort_values(by='upload_week')
                  .reset_index(drop=True))

df_week_2017.head()


upload_week=list(range(1, 54))
all_weeks = pd.DataFrame(upload_week)
all_weeks.columns=['upload_week']
df_week_2017 = df_week_2017.merge(all_weeks, on='upload_week', how='right').fillna(0)
df_week_2018 = df_week_2018.merge(all_weeks, on='upload_week', how='right').fillna(0)
df_week_2019 = df_week_2019.merge(all_weeks, on='upload_week', how='right').fillna(0)
df_week_2020 = df_week_2020.merge(all_weeks, on='upload_week', how='right').fillna(0)
df_week_2021 = df_week_2021.merge(all_weeks, on='upload_week', how='right').fillna(0)
df_week_2022 = df_week_2022.merge(all_weeks, on='upload_week', how='right').fillna(0)


plt.figure(figsize=(20, 12))

ax1=plt.subplot(6, 1, 1)
sns.barplot(data=df_week_2017, x='upload_week', y='video_id', palette=palette_color)
number = 2017
plt.title("Количество выпусков, выложенных в разные недели  " + r"$\bf{" + str(number) + "}$" +  " года")
plt.xlabel('')
plt.ylabel('кол-во \nвидео')

ax2=plt.subplot(6, 1, 2)
sns.barplot(data=df_week_2018, x='upload_week', y='video_id', palette=palette_color)
number = 2018
plt.title("Количество выпусков, выложенных в разные недели  " + r"$\bf{" + str(number) + "}$" +  " года")
plt.xlabel('')
plt.ylabel('кол-во \nвидео')

ax3=plt.subplot(6, 1, 3)
sns.barplot(data=df_week_2019, x='upload_week', y='video_id', palette=palette_color)
number = 2019
plt.title("Количество выпусков, выложенных в разные недели  " + r"$\bf{" + str(number) + "}$" +  " года")
plt.xlabel('')
plt.ylabel('кол-во \nвидео')

ax4=plt.subplot(6, 1, 4)
sns.barplot(data=df_week_2020, x='upload_week', y='video_id', palette=palette_color)
number = 2020
plt.title("Количество выпусков, выложенных в разные недели  " + r"$\bf{" + str(number) + "}$" +  " года")
plt.xlabel('')
plt.ylabel('кол-во \nвидео')

ax5=plt.subplot(6, 1, 5)
sns.barplot(data=df_week_2021, x='upload_week', y='video_id', palette=palette_color)
number = 2021
plt.title("Количество выпусков, выложенных в разные недели  " + r"$\bf{" + str(number) + "}$" +  " года")
plt.xlabel('')
plt.ylabel('кол-во \nвидео')

ax6=plt.subplot(6, 1, 6)
sns.barplot(data=df_week_2022, x='upload_week', y='video_id', palette=palette_color)
number = 2022
plt.title("Количество выпусков, выложенных в разные недели  " + r"$\bf{" + str(number) + "}$" +  " года")
plt.xlabel('')
plt.ylabel('кол-во \nвидео')

plt.tight_layout()
plt.show();


df_length = (df.groupby('upload_year', as_index=False)
               .agg({'duration_minutes':['median','sum'], 'video_id':'count'}))
df_length.columns=['upload_year','duration_median', 'duration_sum', 'video_count']
df_length['duration_sum']=df_length['duration_sum']/60
df_length


plt.figure(figsize=(20, 15))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Изменение продолжительности видео по годам', fontweight='bold')

ax1=plt.subplot(2, 2, 1)
sns.barplot(data=df_length, x='upload_year', y='duration_median', palette='gist_earth_r')
plt.title(r"$\bf{" + 'средняя'  + "}$" + "  продолжительность")
plt.xlabel('годы')
plt.ylabel('продолжительность в минутах')

ax2=plt.subplot(2, 2, 2)
sns.barplot(data=df_length, x='upload_year', y='duration_sum', palette='gist_earth_r', ax=ax2)
sns.lineplot(data=df_length['video_count'], palette='gist_earth_r', marker='o', ax=ax2,
            label='количество выпусков')
plt.title(r"$\bf{" + 'суммарная'  + "}$" + "  продолжительность")
plt.xlabel('годы')
plt.ylabel('продолжительность в часах')

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 15))
palette_color = ['#d9b59d', '#bcac62']

df_genre = (df.groupby(['upload_year', 'video_type'], as_index=False)
             .agg({'video_id':'count', 'duration_minutes':'median'}))

ax1 = plt.subplot(2, 2, 1)
sns.barplot(data=df_genre, x='upload_year', y='duration_minutes', hue='video_type', palette=palette_color)
plt.title('средняя  ' r"$\bf{" + 'продолжительность'  + "}$" +  '  выпусков в минутах'
          '\n в разные годы с разделением по жанрам')
plt.xlabel('годы')
plt.ylabel('продолжительность в минутах')

ax2 = plt.subplot(2, 2, 2)
sns.barplot(data=df_genre, x='upload_year', y='video_id', hue='video_type', palette=palette_color)
plt.title(r"$\bf{" + 'количество'  + "}$" + '  выпусков в разные годы \n с разделением по жанрам')
plt.xlabel('годы')
plt.ylabel('количество видео')

plt.tight_layout()
plt.show();


plt.figure(figsize=(10, 6))
sns.boxplot(y=df['duration_minutes'], x=df['upload_year'], palette='gist_earth_r')
plt.title('Диаграмма размаха: продолжительность видео \n в разные годы')
plt.xlabel('годы выхода видео')
plt.ylabel('продолжительность в минутах')
plt.show();


df_median = (df.groupby('upload_year', as_index=False)
               .agg({'duration_minutes':'median'}))
median_by_years = df_median['duration_minutes']


df_2017_short = df.query('upload_year ==2017 and duration_minutes < @median_by_years[0]')
df_2017_long = df.query('upload_year ==2017 and duration_minutes >= @median_by_years[0]')

df_2018_short = df.query('upload_year ==2018 and duration_minutes < @median_by_years[1]')
df_2018_long = df.query('upload_year ==2018 and duration_minutes >= @median_by_years[1]')

df_2019_short = df.query('upload_year ==2019 and duration_minutes < @median_by_years[2]')
df_2019_long = df.query('upload_year ==2019 and duration_minutes >= @median_by_years[2]')

df_2020_short = df.query('upload_year ==2020 and duration_minutes < @median_by_years[3]')
df_2020_long = df.query('upload_year ==2020 and duration_minutes >= @median_by_years[3]')

df_2021_short = df.query('upload_year ==2021 and duration_minutes < @median_by_years[4]')
df_2021_long = df.query('upload_year ==2021 and duration_minutes >= @median_by_years[4]')

df_2022_short = df.query('upload_year ==2022 and duration_minutes < @median_by_years[5]')
df_2022_long = df.query('upload_year ==2022 and duration_minutes >= @median_by_years[5]')


df_short = pd.concat([df_2017_short, df_2018_short, df_2019_short, df_2020_short, df_2021_short, df_2022_short], 
                     ignore_index=True)
df_long = pd.concat([df_2017_long, df_2018_long, df_2019_long, df_2020_long, df_2021_long, df_2022_long], 
                     ignore_index=True)


df_short_grouped = (df_short.groupby('upload_year', as_index=False)
                            .agg({'view_count':'median', 'like_perc':'median',
                                  'comment_perc':'median','comment_like_perc':'median'}))
                  
df_long_grouped = (df_long.groupby('upload_year', as_index=False)
                            .agg({'view_count':'median', 'like_perc':'median',
                                  'comment_perc':'median','comment_like_perc':'median'}))


plt.figure(figsize=(20, 12))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Реакция аудитории на "короткие" и "длинные" видео в разные годы', fontweight='bold')

ax1 = plt.subplot(2, 2, 1)
sns.barplot(data=df_short_grouped, x='upload_year', y='view_count', ax=ax1, 
            label='short', palette='gist_earth_r')
sns.lineplot(data=df_long_grouped['view_count'], marker='o', ax=ax1, label='long')
plt.title("среднее количество  " + r"$\bf{" + 'просмотров'  + "}$")
plt.legend()
plt.xlabel('годы выхода видео')
plt.ylabel('количество просмотров')

ax2 = plt.subplot(2, 2, 2)
sns.barplot(data=df_short_grouped, x='upload_year', y='like_perc', ax=ax2, 
            label='short', palette='gist_earth_r')
sns.lineplot(data=df_long_grouped['like_perc'], marker='o', ax=ax2, label='long')
plt.title("насколько  " + r"$\bf{" + 'понравились'  + "}$" +  "  выпуски")
plt.legend()
plt.xlabel('годы выхода видео')
plt.ylabel('% лайков от просмотров')

ax3 = plt.subplot(2, 2, 3)
sns.barplot(data=df_short_grouped, x='upload_year', y='comment_perc', ax=ax3, 
            label='short', palette='gist_earth_r')
sns.lineplot(data=df_long_grouped['comment_perc'], marker='o', ax=ax3, label='long')
plt.title("насколько выпуски  " + r"$\bf{" + 'обсуждаемые'  + "}$")
plt.legend()
plt.xlabel('годы выхода видео')
plt.ylabel('% комментариев от просмотров')

ax4 = plt.subplot(2, 2, 4)
sns.barplot(data=df_short_grouped, x='upload_year', y='comment_like_perc', ax=ax4, 
            label='short', palette='gist_earth_r')
sns.lineplot(data=df_long_grouped['comment_like_perc'], marker='o', ax=ax4, label='long')
plt.title("насколько вызвали  " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.legend()
plt.xlabel('годы выхода видео')
plt.ylabel('% комментариев от лайков')

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 12))
plt.suptitle('Топ-10 самых просматриваемых выпусков за каждый год', fontweight='bold')
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')

df_2017 = (df.query('upload_year ==2017')
             .sort_values(by='view_count_mln', ascending=False)
             .head(10))
ax1=plt.subplot(2, 3, 1)
sns.barplot(data=df_2017, x='view_count_mln', y='short_video_title', color='#d5b194')
number = 2017
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('просмотры, млн')
plt.ylabel('')

df_2018 = (df.query('upload_year ==2018')
             .sort_values(by='view_count_mln', ascending=False)
             .head(10))
ax2=plt.subplot(2, 3, 2, sharex=ax1)
sns.barplot(data=df_2018, x='view_count_mln', y='short_video_title', color='#b9b35f')
number = 2018
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('просмотры, млн')
plt.ylabel('')

df_2019 = (df.query('upload_year ==2019')
             .sort_values(by='view_count_mln', ascending=False)
             .head(10))
ax3=plt.subplot(2, 3, 3, sharex=ax1)
sns.barplot(data=df_2019, x='view_count_mln', y='short_video_title', color='#82a954')
number = 2019
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('просмотры, млн')
plt.ylabel('')

df_2020 = (df.query('upload_year ==2020')
             .sort_values(by='view_count_mln', ascending=False)
             .head(10))
ax4=plt.subplot(2, 3, 4, sharex=ax1)
sns.barplot(data=df_2020, x='view_count_mln', y='short_video_title', color='#419552')
number = 2020
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('просмотры, млн')
plt.ylabel('')

df_2021 = (df.query('upload_year ==2021')
             .sort_values(by='view_count_mln', ascending=False)
             .head(10))
ax5=plt.subplot(2, 3, 5, sharex=ax1)
sns.barplot(data=df_2021, x='view_count_mln', y='short_video_title', color='#30817e')
number = 2021
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('просмотры, млн')
plt.ylabel('')

df_2022 = (df.query('upload_year ==2022')
             .sort_values(by='view_count_mln', ascending=False)
             .head(10))
ax6=plt.subplot(2, 3, 6, sharex=ax1)
sns.barplot(data=df_2022, x='view_count_mln', y='short_video_title', color='#184179')
number = 2022
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('просмотры, млн')
plt.ylabel('')

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 14))
plt.suptitle('Топ-10 самых полюбившихся зрителям выпусков за каждый год', fontweight='bold')
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')

df_2017 = (df.query('upload_year ==2017')
             .sort_values(by='like_perc', ascending=False)
             .head(10))
ax1=plt.subplot(2, 3, 1)
sns.barplot(data=df_2017, x='like_perc', y='short_video_title', color='#d5b194')
number = 2017
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

df_2018 = (df.query('upload_year ==2018')
             .sort_values(by='like_perc', ascending=False)
             .head(10))
ax2=plt.subplot(2, 3, 2, sharex=ax1)
sns.barplot(data=df_2018, x='like_perc', y='short_video_title', color='#b9b35f')
number = 2018
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

df_2019 = (df.query('upload_year ==2019')
             .sort_values(by='like_perc', ascending=False)
             .head(10))
ax3=plt.subplot(2, 3, 3, sharex=ax1)
sns.barplot(data=df_2019, x='like_perc', y='short_video_title', color='#82a954')
number = 2019
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

df_2020 = (df.query('upload_year ==2020')
             .sort_values(by='like_perc', ascending=False)
             .head(10))
ax4=plt.subplot(2, 3, 4, sharex=ax1)
sns.barplot(data=df_2020, x='like_perc', y='short_video_title', color='#419552')
number = 2020
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

df_2021 = (df.query('upload_year ==2021')
             .sort_values(by='like_perc', ascending=False)
             .head(10))
ax5=plt.subplot(2, 3, 5, sharex=ax1)
sns.barplot(data=df_2021, x='like_perc', y='short_video_title', color='#30817e')
number = 2021
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

df_2022 = (df.query('upload_year ==2022')
             .sort_values(by='like_perc', ascending=False)
             .head(10))
ax6=plt.subplot(2, 3, 6, sharex=ax1)
sns.barplot(data=df_2022, x='like_perc', y='short_video_title', color='#184179')
number = 2022
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('% лайков от просмотров')
plt.ylabel('')

plt.tight_layout()
plt.show();


df_year_gender = (df.groupby(['upload_year', 'gender'], as_index=False)
                    .agg({'video_id':'count'}))
df_year = (df.groupby('upload_year', as_index=False)
             .agg({'video_title':'count'}))
df_year_gender= df_year_gender.merge(df_year, on='upload_year')
df_year_gender['percent'] = df_year_gender['video_id']/df_year_gender['video_title']*100
df_year_gender.head()


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Гости разных полов по годам', fontweight='bold')
palette_color = ['#d5b194','#82a954', '#b9b35f','#419552']

ax1=plt.subplot(1, 2, 1)
ax=sns.histplot(df_year_gender.sort_values(by='gender', ascending=False), x='upload_year', hue='gender', 
                weights='video_id', discrete=True, shrink=.8, multiple="stack", alpha=1, palette=palette_color)
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))
plt.title(r"$\bf{" + 'количество'  + "}$")
plt.xlabel('годы выпуска видео')
plt.ylabel('количество выпусков')

ax2=plt.subplot(1, 2, 2)
ax=sns.histplot(df_year_gender.sort_values(by='gender', ascending=False), x='upload_year', hue='gender', 
                weights='percent', discrete=True, shrink=.8, multiple="stack", alpha=1, palette=palette_color,
                legend=False)
plt.title(r"$\bf{" + 'процент'  + "}$")
plt.xlabel('годы выпуска видео')
plt.ylabel('% от общего числа')

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Время появления гостей разных полов и отношение к ним аудитории', fontweight='bold')
ax=sns.scatterplot(data=df, x='upload_date', y='gender', 
                   hue="like_perc", size="view_count", sizes=(20, 200))
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))
plt.title('размер - просмотры, цвет - % лайков от просмотров')
plt.xlabel('годы выпуска видео')
plt.ylabel('')

plt.show();


df_year_youth = (df.groupby(['is_guest_youth', 'upload_year'], as_index=False)
                        .agg({'video_id':'count'})
                        .merge(df_year, on='upload_year'))
df_year_youth['percent'] = round(df_year_youth['video_id']/df_year_youth['video_title']*100)
df_year_youth.head()


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Молодёжь и не-молодёжь в гостях у канала в разные годы', fontweight='bold')
palette_color = ['#b5b65e', '#bfa764', '#d1ae8c']

ax1=plt.subplot(1, 2, 1)
ax=sns.histplot(df_year_youth, x='upload_year', hue='is_guest_youth', palette=palette_color,
                weights='video_id', discrete=True, shrink=.8, multiple="stack", alpha=1)
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))
plt.title(r"$\bf{" + 'количество'  + "}$")
plt.xlabel('годы выпуска видео')
plt.ylabel('количество выпусков')

ax2=plt.subplot(1, 2, 2)
ax=sns.histplot(df_year_youth, x='upload_year', hue='is_guest_youth', palette=palette_color,
                weights='percent', discrete=True, shrink=.8, multiple="stack", alpha=1, legend=False)
plt.title(r"$\bf{" + 'процент'  + "}$")
plt.xlabel('годы выпуска видео')
plt.ylabel('% от общего числа')
ax2.bar_label(ax2.containers[0], label_type='center', color='black')
ax2.bar_label(ax2.containers[2], label_type='center', color='black')
plt.tight_layout()
plt.show();


df_year_generation = (df.groupby(['upload_year', 'guest_generation'], as_index=False)
                        .agg({'video_id':'count'})
                        .sort_values(by='video_id', ascending=False)
                        .merge(df_year, on='upload_year'))
                        
df_year_generation['percent'] = round(df_year_generation['video_id']/df_year_generation['video_title']*100)
df_year_generation.rename(columns={'video_id': 'video_cnt'}, inplace=True)
df_year_generation = (df_year_generation.merge(df_generation[['guest_generation', 'video_id']], 
                                              on='guest_generation', how='left')
                                        .sort_values(by=['upload_year','video_id'], ascending=[True,False]))
df_year_generation.head()


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
palette_color = ['#d7b298', '#c4a46f', '#bbaf61', '#aab35c', '#8eac56']
plt.suptitle('Представители разных поколений в гостях у канала по годам', fontweight='bold')

ax1=plt.subplot(1, 2, 1)
ax=sns.histplot(df_year_generation, x='upload_year', hue='guest_generation', palette=palette_color,
                weights='video_cnt', discrete=True, shrink=.8, multiple="stack", alpha=1)
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))
plt.title(r"$\bf{" + 'количество'  + "}$")
plt.xlabel('годы выпуска видео')
plt.ylabel('количество выпусков')
ax1.bar_label(ax1.containers[4], label_type='center', color='black')
ax1.bar_label(ax1.containers[3], label_type='center', color='black')

ax2=plt.subplot(1, 2, 2)
ax=sns.histplot(df_year_generation, x='upload_year', hue='guest_generation', palette=palette_color,
                weights='percent', discrete=True, shrink=.8, multiple="stack", alpha=1, legend=False)
plt.title(r"$\bf{" + 'процент'  + "}$")
plt.xlabel('годы выпуска видео')
plt.ylabel('% от общего числа')
ax2.bar_label(ax2.containers[4], label_type='center', color='black')
ax2.bar_label(ax2.containers[3], label_type='center', color='black')

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Время появления гостей разных поколений и отношение к ним аудитории', fontweight='bold')

ax=sns.scatterplot(data=df, x='upload_date', y='guest_generation', 
                   hue="like_perc", size="view_count", sizes=(20, 200))
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))
plt.title('размер - просмотры, цвет - % лайков от просмотров')
plt.xlabel('годы выпуска видео')
plt.ylabel('')

plt.show();


df_year_profi = (df.groupby(['upload_year', 'guest_profi'], as_index=False)
                        .agg({'video_id':'count'})
                        .sort_values(by='video_id', ascending=False)
                        .merge(df_year, on='upload_year'))
df_year_profi['percent'] = df_year_profi['video_id']/df_year_profi['video_title']*100
df_year_profi.head()


plt.figure(figsize=(20, 12))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Количество гостей разных профессий по годам', fontweight='bold')

ax1=plt.subplot(2, 3, 1)
sns.barplot(data=df_year_profi.query('upload_year == 2017'), 
                x='video_id', y='guest_profi', palette=my_palette)
number = 2017
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('количество видео')
plt.ylabel('')

ax2=plt.subplot(2, 3, 2, sharex=ax1)
sns.barplot(data=df_year_profi.query('upload_year == 2018'), 
                x='video_id', y='guest_profi', palette=my_palette)
number = 2018
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('количество видео')
plt.ylabel('')

ax3=plt.subplot(2, 3, 3, sharex=ax1)
sns.barplot(data=df_year_profi.query('upload_year == 2019'), 
                x='video_id', y='guest_profi', palette=my_palette)
number = 2019
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('количество видео')
plt.ylabel('')

ax4=plt.subplot(2, 3, 4, sharex=ax1)
sns.barplot(data=df_year_profi.query('upload_year == 2020'), 
                x='video_id', y='guest_profi', palette=my_palette)
number = 2020
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('количество видео')
plt.ylabel('')

ax5=plt.subplot(2, 3, 5, sharex=ax1)
sns.barplot(data=df_year_profi.query('upload_year == 2021'), 
                x='video_id', y='guest_profi', palette=my_palette)
number = 2021
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('количество видео')
plt.ylabel('')

ax6=plt.subplot(2, 3, 6, sharex=ax1)
sns.barplot(data=df_year_profi.query('upload_year == 2022'), 
                x='video_id', y='guest_profi', palette=my_palette)
number = 2022
plt.title(r"$\bf{" + str(number) + "}$")
plt.xlabel('количество видео')
plt.ylabel('')

plt.tight_layout()
plt.show();


plt.figure(figsize=(20, 8))
sns.set(font_scale=1.7)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Время появления гостей разных профессий и отношение к ним аудитории', fontweight='bold')
ax=sns.scatterplot(data=df, x='upload_date', y='guest_profi', 
                   hue="like_perc", size="view_count", sizes=(20, 200))
sns.move_legend(ax, "upper left", bbox_to_anchor=(1, 1))
plt.title('размер - просмотры, цвет - % лайков от просмотров')
plt.xlabel('годы выпуска видео')
plt.ylabel('')

plt.show();


plt.figure(figsize=(20, 12))
sns.set(font_scale=1.5)
plt.style.use('seaborn-whitegrid')
plt.suptitle('Изменение отношения аудитории к выпускам', fontweight='bold')

date_status = pd.to_datetime('2022-04-15', format='%Y-%m-%d')

ax1=plt.subplot(2, 2, 1)
sns.lineplot(data=df, x='upload_date', y='view_count_mln', color='black')
plt.axvline(x=date_status, color='black', linestyle='--', label='статус иноагента')
plt.legend()
plt.title("насколько выпуски  " + r"$\bf{" + 'интересны'  + "}$")
plt.xlabel('время выхода видео')
plt.ylabel('просмотры, млн')

ax2=plt.subplot(2, 2, 2)
sns.lineplot(data=df, x='upload_date', y='like_perc', color='black')
plt.axvline(x=date_status, color='black', linestyle='--', label='статус иноагента')
plt.legend()
plt.title("насколько  " + r"$\bf{" + 'нравятся'  + "}$" +  "  выпуски")
plt.xlabel('время выхода видео')
plt.ylabel('% лайков от просмотров')

ax3=plt.subplot(2, 2, 3)
sns.lineplot(data=df, x='upload_date', y='comment_like_perc', color='black')
plt.axvline(x=date_status, color='black', linestyle='--', label='статус иноагента')
plt.legend()
plt.title("насколько вызвали  " + r"$\bf{" + 'ажиотаж/негатив'  + "}$")
plt.xlabel('время выхода видео')
plt.ylabel('% комментариев от лайков')

plt.tight_layout()
plt.show();


df['view_subscr'] =  df['view_count'] / subscriber_count


df['rating'] = df['view_subscr'] + df['like_perc'] + df['comment_perc'] - df['comment_like_perc']/10


df.sort_values(by='rating', ascending=False).head(10)


rating_view = (df.sort_values(by='view_count', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_view = pd.DataFrame(rating_view)
rating_number = list(range(1, 160))
rating_number = pd.DataFrame(rating_number)
rating_table = rating_view.join(rating_number)
rating_table.columns=['video', 'views']

rating_like_cnt = (df.sort_values(by='like_count', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_like_cnt = pd.DataFrame(rating_like_cnt)
rating_like_cnt = rating_like_cnt.join(rating_number)
rating_like_cnt.columns=['video', 'likes']
rating_table = rating_table.merge(rating_like_cnt, on='video', how='left')

rating_comment_cnt = (df.sort_values(by='comment_count', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_comment_cnt = pd.DataFrame(rating_comment_cnt)
rating_comment_cnt = rating_comment_cnt.join(rating_number)
rating_comment_cnt.columns=['video', 'comments']
rating_table = rating_table.merge(rating_comment_cnt, on='video', how='left')

rating_like_perc = (df.sort_values(by='like_perc', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_like_perc = pd.DataFrame(rating_like_perc)
rating_like_perc = rating_like_perc.join(rating_number)
rating_like_perc.columns=['video', 'positive']
rating_table = rating_table.merge(rating_like_perc, on='video', how='left')

rating_comment_perc = (df.sort_values(by='comment_perc', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_comment_perc = pd.DataFrame(rating_comment_perc)
rating_comment_perc = rating_comment_perc.join(rating_number)
rating_comment_perc.columns=['video', 'discuss']
rating_table = rating_table.merge(rating_comment_perc, on='video', how='left')

rating_comment_like_perc = (df.sort_values(by='comment_like_perc', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_comment_like_perc = pd.DataFrame(rating_comment_like_perc)
rating_comment_like_perc = rating_comment_like_perc.join(rating_number)
rating_comment_like_perc.columns=['video', 'hype/negative']
rating_table = rating_table.merge(rating_comment_like_perc, on='video', how='left')

rating_common = (df.sort_values(by='rating', ascending=False)
                .reset_index(drop=True)['short_video_title'])
rating_common = pd.DataFrame(rating_common)
rating_common = rating_common.join(rating_number)
rating_common.columns=['video', 'rating']
rating_table = rating_table.merge(rating_common, on='video', how='left')
rating_table = rating_table.set_index('video')
rating_table


plt.figure(figsize=(20, 16))
sns.set(font_scale=1.9)
plt.style.use('seaborn-whitegrid')

ax=sns.heatmap(rating_table.head(20), 
               annot=True, annot_kws={'fontsize': 20,'color':'black'}, fmt=".0f", linewidth=2, linecolor='black',
               vmin=0, vmax=160, center= 250, cmap = 'gist_earth_r')
plt.title('Топ-20 заинтересовавших аудиторию выпусков \n (количество просмотров)',
          fontsize=20, fontweight="bold", pad=20)
plt.xlabel('')
plt.ylabel('')

plt.show();


plt.figure(figsize=(20, 16))
sns.set(font_scale=1.9)
plt.style.use('seaborn-whitegrid')

ax=sns.heatmap(rating_table.sort_values(by='positive').head(20), 
               annot=True,  annot_kws={'fontsize': 20,'color':'black'}, fmt=".0f", linewidth=2, linecolor='black', 
               vmin=0, vmax=160, center=250, cmap = 'gist_earth_r')
plt.title('Топ-20 самых полюбившихся аудитории выпусков \n (% лайков от просмотров)',
          fontsize=20, fontweight="bold", pad=20)
plt.xlabel('')
plt.ylabel('')

plt.show();


plt.figure(figsize=(20, 16))
sns.set(font_scale=1.9)
plt.style.use('seaborn-whitegrid')

ax=sns.heatmap(rating_table.sort_values(by='rating').head(20), 
               annot=True,  annot_kws={'fontsize': 20,'color':'black'}, fmt=".0f", linewidth=2, linecolor='black',
               vmin=0, vmax=160, center=250, cmap = 'gist_earth_r')
plt.title('Топ-20 выпусков в универсальном рейтинге',
          fontsize=20, fontweight="bold", pad=20)
plt.xlabel('')
plt.ylabel('')

plt.show();

	video_id	video_title	guest_name	guest_birthday	guest_birthplace	birthplace_region	birthplace_country	guest_type	video_type	upload_date	duration	view_count	like_count	comment_count
78	kiu2CSB1JMw	Идов - чекисты, Монеточка, застой (English subs)	Михаил Идов	1976-07-09	Рига	NaN	Латвия	Режиссёр	Интервью	2019-02-26	01:10:44	4 731 194	116 399	15 267
155	Q0oRii7zV9A	Маша Гессен – стыдные вопросы про Америку / Ma...	Маша Гессен	1967-01-13	Москва	Москва	Россия	Журналист	Интервью	2022-09-20	01:55:26	5 347 391	148 992	24 492
128	skLvb0JCNJk	Ирина Кайратовна – новые звезды из Казахстана ...	творч. объединение "Ирина Кайратовна"	NaT	Казахстан	NaN	Казахстан	Музыкант	Интервью	2021-05-13	01:54:34	11 165 120	340 385	50 161
55	2kJoQS5m2WU	Балабанов - гениальный русский режиссер / вДудь	Алексей Балабанов	1959-02-25	Екатеринбург	Свердловская область	Россия	Режиссёр	Фильм	2018-05-15	02:10:06	12 134 261	233 184	16 824
94	zl7FAusDuAY	Бекмамбетов - реклама в «Елках», BadComedian, ...	Тимур Бекмамбетов	1961-06-25	Атырау	NaN	Казахстан	Режиссёр	Интервью	2019-10-31	01:27:30	6 094 334	124 179	34 581

	view_count	like_count	comment_count
count	1.590000e+02	1.590000e+02	159.000000
mean	1.168778e+07	3.259258e+05	40668.075472
std	7.722975e+06	2.388079e+05	34404.208341
min	3.027571e+06	7.447000e+04	5508.000000
25%	6.398358e+06	1.733740e+05	19375.000000
50%	9.221750e+06	2.462290e+05	30274.000000
75%	1.373760e+07	3.753705e+05	50351.000000
max	4.898500e+07	1.278548e+06	223917.000000

	guest_profi	video_id	view_count	like_count	comment_count	like_perc	comment_perc	comment_like_perc
0	Музыка	42	7864518.0	224013.0	27308.0	2.931141	0.344583	11.074087
1	Журналистика/СМИ	22	8226406.0	196685.0	36523.0	2.383842	0.319685	15.010832
2	Театр/кино (артисты)	16	11166929.5	270212.0	29901.0	2.594605	0.266297	10.340905
3	Юмор	16	11724611.0	291913.0	31245.0	2.815510	0.246182	8.968375
4	Театр/кино (режиссёры)	14	5411870.0	139776.5	15129.0	2.469895	0.280017	10.788511
5	Человек и общество	13	12295892.0	516952.0	48959.0	4.091724	0.441994	10.586656
6	Блогинг	7	18545559.0	496854.0	38449.0	2.679100	0.254206	10.242057
7	Политика	6	13556029.0	318335.5	55435.5	2.541676	0.421885	17.352289
8	Артисты/художники	5	6535053.0	204716.0	15817.0	2.869831	0.259101	8.433709
9	Бизнес	5	11854295.0	261567.0	29498.0	2.206517	0.248838	11.963972
10	Писатели	4	6855702.0	231170.5	30909.0	3.207486	0.425666	12.102407
11	Продюсеры	4	9329624.5	196409.5	32401.5	2.102654	0.296338	16.194175
12	Учёные	3	12680234.0	411319.0	59414.0	3.243781	0.468556	12.882393
13	IT-шники	2	29418671.5	583320.5	51266.0	1.975982	0.197689	10.014125

	guest_generation	video_id	view_count	like_count	comment_count	like_perc	comment_perc	comment_like_perc
0	Поколение Миллениума 1982-2000	57	9208329.0	259682.0	32644.0	2.768500	0.299902	10.404081
1	Поколение X 1963-1981	54	8959654.0	201392.5	23579.0	2.417876	0.281602	11.660247
2	поколение неизвестно	28	8434852.0	297592.0	34589.0	3.597032	0.402069	9.960934
3	Бэби-бумер 1943-1962	18	9683676.5	184219.5	35757.5	1.909543	0.415701	17.352289
4	Молчаливое поколение 1928-1942	2	10283242.5	243077.5	26242.0	2.551259	0.241016	9.674667

	gender	video_id	view_count	like_count	comment_count	like_perc	comment_perc	comment_like_perc
0	man	135	9221750.0	240757.0	28876.0	2.577775	0.299902	11.168256
1	woman	10	11212447.0	257000.0	41848.5	2.716710	0.400858	15.441608
2	mixed_group	7	8081739.0	306955.0	37832.0	3.699815	0.359491	10.438228
3	no_gender	7	12878907.0	521430.0	55202.0	4.048713	0.441994	10.586656

	birthplace_region	federal_district
0	Белгородская область	Центральный федеральный округ
1	Брянская область	Центральный федеральный округ
2	Владимирская область	Центральный федеральный округ
3	Воронежская область	Центральный федеральный округ
4	Ивановская область	Центральный федеральный округ
...	...	...
81	Сахалинская область	Дальневосточный федеральный округ
82	Еврейская автономная область	Дальневосточный федеральный округ
83	Чукотский автономный округ	Дальневосточный федеральный округ
84	Республика Крым	Южный федеральный округ
85	город Севастополь	Южный федеральный округ

	0
0	video_id
1	video_title
2	short_video_title
3	guest_name
4	guest_birthday
5	guest_birthplace
6	birthplace_region
7	birthplace_country
8	guest_type
9	video_type
10	upload_date
11	duration
12	view_count
13	like_count
14	comment_count
15	guest_age_on_video
16	guest_birth_year
17	guest_generation
18	is_guest_youth
19	federal_district
20	region
21	upload_year
22	upload_month
23	upload_month_name
24	upload_week
25	upload_day
26	upload_weekday
27	duration_minutes
28	gender
29	english_subtitles
30	view_count_mln
31	guest_profi
32	double
33	like_perc
34	comment_perc
35	comment_like_perc

	video_id	video_title	short_video_title	guest_name	gender	double	guest_birthday	guest_age_on_video	guest_birth_year	guest_generation	...	duration	duration_minutes	english_subtitles	view_count	view_count_mln	like_count	comment_count	like_perc	comment_perc	comment_like_perc
33	wg-TMymYSwE	Познер – цензура, страх и Путин /Vladimir Pozn...	Познер – цензура, страх и Путин...	Владимир Познер	man	no_double	1934-04-01	83.0	1934.0	Молчаливое поколение 1928-1942	...	01:18:04	78	no	16 856 467	16.856467	380 624	44 365	2.258030	0.263193	11.655860
72	6oGpWlfYtRM	Олег Табаков: как он воспитывал свободных люде...	Олег Табаков: как он воспитывал...	Олег Табаков	man	no_double	1935-08-17	83.0	1935.0	Молчаливое поколение 1928-1942	...	01:19:59	79	no	3 710 018	3.710018	105 531	8 119	2.844488	0.218840	7.693474

	region	video_id	view_count	like_count	comment_count	like_perc	comment_perc	comment_like_perc
0	регионы РФ	56	8509212.5	224013.0	29190.0	2.662011	0.318674	11.278905
1	неизвестно	56	9457309.0	275797.0	33354.0	3.205250	0.351984	10.799936
2	Санкт-Петербург	14	8555815.0	268480.0	19824.0	2.261755	0.244054	10.405974
3	Москва	33	10008304.0	240757.0	27675.0	2.622952	0.321168	12.523653

	birthplace_country	video_id	view_count	like_count	comment_count	like_perc	comment_perc	comment_like_perc
0	Россия	105	9199051.0	234370.0	27841.0	2.576077	0.299902	11.280393
1	неизвестно	26	9112732.0	285290.0	34925.0	3.487073	0.364246	9.731165
2	Казахстан	8	11027295.5	312013.5	36009.5	2.602312	0.335778	13.434211
3	Беларусь	6	9006815.5	285889.0	35532.0	3.209812	0.334155	12.883344
4	Украина	6	8329635.0	244630.0	36720.5	2.551513	0.362830	13.671477

	video_type	video_id	view_count	like_count	comment_count	like_perc	comment_perc	comment_like_perc
0	Интервью	134	9215039.5	238739.5	30618.5	2.576926	0.312789	11.824035
1	Фильм	25	10286162.0	288229.0	24211.0	3.575710	0.362442	9.282852

	upload_year	duration_median	duration_sum	video_count
0	2 017	58.0	38.666667	40
1	2 018	71.0	44.866667	35
2	2 019	85.5	37.850000	24
3	2 020	102.0	41.900000	23
4	2 021	113.0	34.966667	19
5	2 022	116.0	36.716667	18

	upload_year	gender	video_id	video_title	percent
0	2 017	man	39	40	97.500000
1	2 017	woman	1	40	2.500000
2	2 018	man	31	35	88.571429
3	2 018	mixed_group	2	35	5.714286
4	2 018	woman	2	35	5.714286

	is_guest_youth	upload_year	video_id	video_title	percent
0	no	2 017	21	40	52.0
1	other	2 017	1	40	2.0
2	yes	2 017	18	40	45.0
3	no	2 018	23	35	66.0
4	other	2 018	4	35	11.0

	upload_year	guest_generation	video_cnt	video_title	percent	video_id
1	2 017	Поколение Миллениума 1982-2000	16	40	40.0	57
0	2 017	Поколение X 1963-1981	18	40	45.0	54
4	2 017	поколение неизвестно	1	40	2.0	28
2	2 017	Бэби-бумер 1943-1962	4	40	10.0	18
3	2 017	Молчаливое поколение 1928-1942	1	40	2.0	2

	video_id	video_title	short_video_title	guest_name	gender	double	guest_birthday	guest_age_on_video	guest_birth_year	guest_generation	...	english_subtitles	view_count	view_count_mln	like_count	comment_count	like_perc	comment_perc	comment_like_perc	view_subscr	rating
100	GTRAEpllGZo	ВИЧ в России / HIV in Russia (Eng Rus subtit...	ВИЧ в России / HIV in Russia (Eng Rus...	ВИЧ	no_gender	no_double	NaT	NaN	NaN	поколение неизвестно	...	no	23 738 856	23.738856	1 170 190	108 627	4.929429	0.457592	9.282852	2.350382	6.809117
89	vF1UGmi5m8s	Беслан. Помни / Beslan. Remember (english es...	Беслан. Помни / Beslan. Remember...	Беслан	no_gender	no_double	NaT	NaN	NaN	поколение неизвестно	...	no	25 395 488	25.395488	1 184 523	130 463	4.664305	0.513725	11.013969	2.514405	6.591038
125	e2hBvHFtzHA	Ивангай – где он пропадал / вДудь	Ивангай – где он пропадал / вДудь	Иван Рудской	man	no_double	1996-01-19	25.0	1996.0	Поколение Миллениума 1982-2000	...	no	22 109 185	22.109185	1 030 630	95 251	4.661547	0.430821	9.242017	2.189028	6.357194
105	9lO06Zxhu88	Как устроена IT-столица мира / Russian Silicon...	Как устроена IT-столица мира /...	Дороничев, Давыдов, Думик, Невгень	man	no_double	NaT	NaN	NaN	поколение неизвестно	...	yes	48 984 995	48.984995	972 974	79 585	1.986269	0.162468	8.179561	4.850000	6.180781
115	vps43rXgaZc	Навальные – интервью после отравления / The Na...	Навальные – интервью после отравления...	Алексей и Юлия Навальные	mixed_group	double	1976-06-04	44.0	1976.0	Поколение X 1963-1981	...	yes	34 557 077	34.557077	1 278 548	223 917	3.699815	0.647963	17.513382	3.421493	6.017933
139	E_2Vy9B8hic	Почему в России пытают / Why They Torture Peop...	Почему в России пытают / Why They...	Игорь Каляпин	man	no_double	NaT	NaN	NaN	поколение неизвестно	...	no	12 629 227	12.629227	640 430	62 201	5.071015	0.492516	9.712381	1.250419	5.842712
121	recHRnwvAaY	Птушкин – главный путешественник ютуба / вДудь	Птушкин – главный путешественник...	Антон Птушкин	man	no_double	1984-05-22	36.0	1984.0	Поколение Миллениума 1982-2000	...	no	26 567 386	26.567386	908 026	77 408	3.417822	0.291365	8.524866	2.630434	5.487135
102	Uzu9clzaLvg	Лапенко – новая звезда русского интернета (Eng...	Лапенко – новая звезда русского...	Антон Лапенко	man	no_double	1986-09-01	33.0	1986.0	Поколение Миллениума 1982-2000	...	no	22 818 897	22.818897	853 222	73 287	3.739103	0.321168	8.589441	2.259297	5.460623
82	oo1WouI38rQ	Колыма - родина нашего страха / Kolyma - Birth...	Колыма - родина нашего страха /...	Колыма	no_gender	no_double	NaT	NaN	NaN	поколение неизвестно	...	no	27 618 873	27.618873	1 049 219	187 941	3.798920	0.680480	17.912466	2.734542	5.422696
99	x-N2PmMGfnI	Щербаков - спецназ, панк-рок, любовь (English ...	Щербаков - спецназ, панк-рок, любовь...	Алексей Щербаков	man	no_double	1988-12-15	31.0	1988.0	Поколение Миллениума 1982-2000	...	yes	26 509 453	26.509453	925 176	126 438	3.489985	0.476954	13.666373	2.624698	5.225001

	views	likes	comments	positive	discuss	hype/negative	rating
video
Как устроена IT-столица мира /...	1	6	16	132	149	133	4
Ивлеева - про Элджея, секс и пластику...	2	15	14	137	113	56	22
Нагиев - пенсии, стих в Кремле...	3	14	24	126	139	115	16
Навальные – интервью после отравления...	4	1	1	22	8	24	5
Гордон - Украина, Россия, Ukraine,...	5	17	10	131	82	33	40
...	...	...	...	...	...	...	...
Кватания – из чего получаются клипы и...	155	152	150	75	93	94	111
Animal Джаz – мировой стрит-арт и...	156	149	147	59	67	76	99
Чача - Санта-Барбара, Россия, Америка...	157	147	117	41	13	31	98
Роднянский - о Бондарчуке, `Оскаре` и...	158	158	153	97	111	93	126
Хлебников - лучший русский...	159	159	154	99	99	81	133

	upload_year	guest_profi	video_id	video_title	percent
0	2 017	Музыка	17	40	42.5
1	2 017	Бизнес	4	40	10.0
2	2 017	Театр/кино (режиссёры)	4	40	10.0
3	2 017	Блогинг	3	40	7.5
4	2 017	Театр/кино (артисты)	3	40	7.5

"вДудь"* в цифрах¶

Содержание

Описание проекта¶

Открытие данных¶

Предобработка данных и создание новых данных внутри датасета¶

Предобработка¶

Создание новых данных внутри датасета¶

Создание новых метрик¶

Вывод¶

Главные числа канала¶

Выпуски: топ, минимум, среднее¶

Топ-10: просмотры, лайки, комментарии¶

Вывод¶

Топ-10: новые метрики¶

Вывод¶

Минимум: просмотры, лайки, комментарии¶

Выводы¶

Минимум: новые метрики¶

Вывод¶

Среднее: просмотры, лайки, комментарии¶

Среднее: новые метрики¶

Выпуски, затронувшие широкую аудиторию¶

Какие это выпуски и отличаются ли они в показателях от остальных видео?¶

Профессиональные сферы гостей: кто приходит на интервью и кто больше интересует аудиторию?¶

Кто приходит¶

Кто больше интересует аудиторию¶

Вывод¶

Возраст гостей: "молодёжь" и условные поколения¶

Кто приходит¶

Кто больше интересует аудиторию¶

Вывод¶

Пол: уступают ли женщины мужчинам в популярности?¶

Вывод¶

Места рождения гостей: есть ли закономерности?¶

Вывод¶

Документальные фильмы / интервью: есть ли разница в активности аудитории?¶

Вывод¶

Интервью 2.0: сравнение выпусков с героями, которые пришли на интервью во второй раз¶

Вывод¶

Субтитры: есть ли влияние на активность аудитории?¶

Вывод¶

В какие дни, недели и месяцы чаще выходят видео? Есть ли какая-либо закономерность во времени выхода выпусков?¶

Вывод¶

Периодичность выхода видео: динамика по каждому году¶

Вывод¶

Изменение продолжительности видео по годам¶

Вывод¶

Зависит ли продолжительность видео от жанра¶

Вывод¶

Зависит ли реакция аудитории от продолжительности видео?¶

Вывод¶

Выпуски по годам, тенденции¶

Топ-10 самых просматриваемых выпусков за каждый год¶

Топ-10 самых полюбившихся зрителям выпусков за каждый год¶

Тенденция: пол¶

Вывод¶

Тенденция: возраст¶

Вывод¶

Тенденция: профессия¶

Вывод¶

Повлиял ли статус иноагента на популярность?¶

Вывод¶

Итоговый рейтинг: фавориты широкой аудитории¶

Выводы¶

Презентация¶